En 2025, une étude du Stanford HAI a montré que de nombreux grands modèles de langage populaires ont de mauvais résultats dans des langues autres que l'anglais. Parmi ces LLMs publics, certains développés en partie par Google ou Meta peuvent produire des réponses qui ne correspondent pas aux besoins de la majorité mondiale.
La concentration des entreprises d'IA et des données dans des zones riches, comme la Silicon Valley, a élargi cette fracture. Des médias rapportent que des millions de personnes parlant des langues telles que le kurde et le swahili se retrouvent reléguées au second plan. Wired note qu'un essai avec ChatGPT a produit un courriel en tamoul qui était confus et en anglais.
Le MIT Technology Review a constaté que des textes de langues peu présentes en ligne contiennent souvent des erreurs de traduction automatique. Ces contenus deviennent parfois des données d'entraînement qui renforcent les erreurs. Des experts recommandent de travailler avec les communautés mises à l'écart, de valider les données et de s'associer à des développeurs locaux.
Mots difficiles
- modèle — programme informatique qui apprend des donnéesmodèles
- fracture — séparation entre groupes ou situations inégales
- reléguer — mettre quelqu'un en position moins importantereléguées
- donnée — information collectée pour analyse ou apprentissagedonnées
- traduction automatique — traduire un texte par un programme informatique
- entraînement — processus pour que le modèle apprenne à partir de donnéesd'entraînement
- valider — vérifier que quelque chose est correct
- communauté — groupe de personnes partageant des intérêts communscommunautés
- s'associer — former un partenariat avec d'autres personnes
Astuce : survolez, mettez le focus ou touchez les mots en surbrillance dans l’article pour voir des définitions rapides pendant que vous lisez ou écoutez.
Questions de discussion
- Quelles actions propose le texte pour aider les langues et communautés mises à l'écart ?
- Pourquoi les erreurs de traduction automatique peuvent-elles se renforcer quand elles servent de données d'entraînement ?
- Que pourriez-vous proposer pour impliquer des développeurs locaux et valider des données linguistiques ?
Articles liés
Étiquettes ultrasonores sans pile pour la maison intelligente
Des chercheurs de Georgia Tech ont créé de petites étiquettes métalliques sans pile qui émettent des impulsions ultrasonores uniques quand on les touche. Elles sont peu coûteuses, inaudibles pour l'oreille et détectables par un appareil proche.
La mode africaine se fait une place
La mode africaine évolue : des créateurs du continent habillent des stars et gagnent une reconnaissance internationale. La plateforme Africa Fashion Tour et des semaines de la mode locales mettent en lumière savoir-faire, succès économiques et production plus durable.
